Desenho de modelos neuronais para a dete����o de sismos

A performance dos detetores s��smicos atualmente utilizados pode e deve ser melhorada. Atualmente existem v��rios algoritmos para a dete����o de sismos de forma autom��tica, desde os sistemas simples baseados em STA/LTA, aos mais sofisticados baseados em reconhecimento de padr��es. Este estudo pretende dar continuidade ao desenvolvimento de uma abordagem de dete����o de eventos s��smicos ao n��vel da esta����o local, utilizando uma t��cnica bastante conhecida, chamada Máquina de Vetores de Suporte (SVM). SVM �� amplamente utilizada em problemas de classifica����o, devido a sua boa capacidade de generaliza����o. Nesta experi��ncia, a t��cnica baseada em SVM �� aplicada em diferentes modos de opera����es. Os resultados mostraram que a t��cnica proposta d�� excelentes resultados em termos de sensibilidade e especificidade, al��m de exigir um tempo de dete����o suficientemente pequeno para ser utilizado num sistema de aviso precoce (early-warning system). Come��amos pela classifica����o de dados de forma Off-line, seguido da valida����o do classificador desenvolvido. Posteriormente, o processamento de dados �� executado de forma cont��nua (On-line). Os algoritmos foram avaliados em conjuntos de dados reais, provenientes de esta����es s��smicas da Rede de Vigil��ncia S��smica de Portugal, e em aplica����es reais da ��rea de Sismologia (simula����o de funcionamento em ambiente real). Apesar de apenas duas esta����es serem consideradas, verificou-se que utilizando a combina����o de detetores, consegue-se uma percentagem de dete����o id��ntica para quando utilizado um ��nico modelo (Abordagem OR) e o n��mero de falsos alarmes para a combina����o de modelos �� quase inexistente (Abordagem AND). Os resultados obtidos abrem v��rias possibilidades de pesquisas futuras.

Sistema inteligente para detec����o de manchas de ��leo na superf��cie marinha atrav��s de imagens de SAR

Oil spill on the sea, accidental or not, generates enormous negative consequences for the affected area. The damages are ambient and economic, mainly with the proximity of these spots of preservation areas and/or coastal zones. The development of automatic techniques for identification of oil spots on the sea surface, captured through Radar images, assist in a complete monitoring of the oceans and seas. However spots of different origins can be visualized in this type of imaging, which is a very difficult task. The system proposed in this work, based on techniques of digital image processing and artificial neural network, has the objective to identify the analyzed spot and to discern between oil and other generating phenomena of spot. Tests in functional blocks that compose the proposed system allow the implementation of different algorithms, as well as its detailed and prompt analysis. The algorithms of digital image processing (speckle filtering and gradient), as well as classifier algorithms (Multilayer Perceptron, Radial Basis Function, Support Vector Machine and Committe Machine) are presented and commented.The final performance of the system, with different kind of classifiers, is presented by ROC curve. The true positive rates are considered agreed with the literature about oil slick detection through SAR images presents

O EFEITO DO CONTROLE RESPIRAT��RIO EM VARI��VEIS ELETROFISIOL��GICAS DA ATEN����O

A pr��tica do ioga tem se tornado cada vez mais popular, n��o apenas pelos benef��cios f��sicos, mas principalmente pelo bem-estar psicol��gico trazido pela sua pr��tica. Um dos componentes do ioga �� o Pr��n��yama, ou controle da respira����o. A aten����o e a respira����o s��o dois mecanismos fisiol��gicos e involunt��rios requeridos para a execu����o do Pr��n��yama. O principal objetivo desse estudo foi verificar se vari��veis cont��nuas do EEG (pot��ncia de diferentes faixas que o comp��em) seriam moduladas pelo controle respirat��rio, comparando-se separadamente as duas fases do ciclo respirat��rio (inspira����o e expira����o), na situa����o de respira����o espont��nea e controlada. Fizeram parte do estudo 19 sujeitos (7 homens/12 mulheres, idade m��dia de 36,89 e DP = �� 14,46) que foram convidados a participar da pesquisa nas depend��ncias da Faculdade de Sa��de da Universidade Metodista de S��o Paulo. Para o registro do eletroencefalograma foi utilizado um sistema de posicionamento de cinco eletrodos Ag AgCl (FPz, Fz, Cz, Pz e Oz) fixados a uma touca de posicionamento r��pido (Quick-Cap, Neuromedical Supplies��), em sistema 10-20. Foram obtidos valores de m��xima amplitude de pot��ncia (espectro de pot��ncia no dom��nio da frequ��ncia) nas frequ��ncias teta, alfa e beta e delta e calculada a raz��o teta/beta nas diferentes fases do ciclo respirat��rio (inspira����o e expira����o), separadamente, nas condi����es de respira����o espont��nea e de controle respirat��rio. Para o registro do ciclo respirat��rio, foi utilizada uma cinta de esfor��o respirat��rio M01 (Pletism��grafo). Os resultados mostram diferen��as significativas entre as condi����es de respira����o espont��nea e de controle com valores das m��dias da raz��o teta/beta menores na respira����o controlada do que na respira����o espont��nea e valores de m��dia da pot��ncia alfa sempre maiores no controle respirat��rio. Diferen��as significativas foram encontradas na compara����o entre inspira����o e expira����o da respira����o controlada com diminui����o dos valores das m��dias da raz��o teta/beta na inspira����o e aumento nos valores das m��dias da pot��ncia alfa, sobretudo na expira����o. Os achados deste estudo trazem evid��ncias de que o controle respirat��rio modula vari��veis eletrofisiol��gicas relativas �� aten����o refletindo um estado de alerta, por��m mais relaxado do que na situa����o de respira����o espont��nea.

O EFEITO DO CONTROLE RESPIRAT��RIO EM VARI��VEIS ELETROFISIOL��GICAS DA ATEN����O

A pr��tica do ioga tem se tornado cada vez mais popular, n��o apenas pelos benef��cios f��sicos, mas principalmente pelo bem-estar psicol��gico trazido pela sua pr��tica. Um dos componentes do ioga �� o Pr��n��yama, ou controle da respira����o. A aten����o e a respira����o s��o dois mecanismos fisiol��gicos e involunt��rios requeridos para a execu����o do Pr��n��yama. O principal objetivo desse estudo foi verificar se vari��veis cont��nuas do EEG (pot��ncia de diferentes faixas que o comp��em) seriam moduladas pelo controle respirat��rio, comparando-se separadamente as duas fases do ciclo respirat��rio (inspira����o e expira����o), na situa����o de respira����o espont��nea e controlada. Fizeram parte do estudo 19 sujeitos (7 homens/12 mulheres, idade m��dia de 36,89 e DP = �� 14,46) que foram convidados a participar da pesquisa nas depend��ncias da Faculdade de Sa��de da Universidade Metodista de S��o Paulo. Para o registro do eletroencefalograma foi utilizado um sistema de posicionamento de cinco eletrodos Ag AgCl (FPz, Fz, Cz, Pz e Oz) fixados a uma touca de posicionamento r��pido (Quick-Cap, Neuromedical Supplies��), em sistema 10-20. Foram obtidos valores de m��xima amplitude de pot��ncia (espectro de pot��ncia no dom��nio da frequ��ncia) nas frequ��ncias teta, alfa e beta e delta e calculada a raz��o teta/beta nas diferentes fases do ciclo respirat��rio (inspira����o e expira����o), separadamente, nas condi����es de respira����o espont��nea e de controle respirat��rio. Para o registro do ciclo respirat��rio, foi utilizada uma cinta de esfor��o respirat��rio M01 (Pletism��grafo). Os resultados mostram diferen��as significativas entre as condi����es de respira����o espont��nea e de controle com valores das m��dias da raz��o teta/beta menores na respira����o controlada do que na respira����o espont��nea e valores de m��dia da pot��ncia alfa sempre maiores no controle respirat��rio. Diferen��as significativas foram encontradas na compara����o entre inspira����o e expira����o da respira����o controlada com diminui����o dos valores das m��dias da raz��o teta/beta na inspira����o e aumento nos valores das m��dias da pot��ncia alfa, sobretudo na expira����o. Os achados deste estudo trazem evid��ncias de que o controle respirat��rio modula vari��veis eletrofisiol��gicas relativas �� aten����o refletindo um estado de alerta, por��m mais relaxado do que na situa����o de respira����o espont��nea.

Máquina de vetores-suporte intervalar

The Support Vector Machines (SVM) has attracted increasing attention in machine learning area, particularly on classification and patterns recognition. However, in some cases it is not easy to determinate accurately the class which given pattern belongs. This thesis involves the construction of a intervalar pattern classifier using SVM in association with intervalar theory, in order to model the separation of a pattern set between distinct classes with precision, aiming to obtain an optimized separation capable to treat imprecisions contained in the initial data and generated during the computational processing. The SVM is a linear machine. In order to allow it to solve real-world problems (usually nonlinear problems), it is necessary to treat the pattern set, know as input set, transforming from nonlinear nature to linear problem. The kernel machines are responsible to do this mapping. To create the intervalar extension of SVM, both for linear and nonlinear problems, it was necessary define intervalar kernel and the Mercer s theorem (which caracterize a kernel function) to intervalar function

Algoritmos gen��ticos aplicados a um comit�� de LS-SVM em problemas de classifica����o

The pattern classification is one of the machine learning subareas that has the most outstanding. Among the various approaches to solve pattern classification problems, the Support Vector Machines (SVM) receive great emphasis, due to its ease of use and good generalization performance. The Least Squares formulation of SVM (LS-SVM) finds the solution by solving a set of linear equations instead of quadratic programming implemented in SVM. The LS-SVMs provide some free parameters that have to be correctly chosen to achieve satisfactory results in a given task. Despite the LS-SVMs having high performance, lots of tools have been developed to improve them, mainly the development of new classifying methods and the employment of ensembles, in other words, a combination of several classifiers. In this work, our proposal is to use an ensemble and a Genetic Algorithm (GA), search algorithm based on the evolution of species, to enhance the LSSVM classification. In the construction of this ensemble, we use a random selection of attributes of the original problem, which it splits the original problem into smaller ones where each classifier will act. So, we apply a genetic algorithm to find effective values of the LS-SVM parameters and also to find a weight vector, measuring the importance of each machine in the final classification. Finally, the final classification is obtained by a linear combination of the decision values of the LS-SVMs with the weight vector. We used several classification problems, taken as benchmarks to evaluate the performance of the algorithm and compared the results with other classifiers

Reconhecimento de voz atrav��s de unidades menores do que a palavra, utilizando Wavelet Packet e SVM, em uma nova estrutura hier��rquica de decis��o

The automatic speech recognition by machine has been the target of researchers in the past five decades. In this period have been numerous advances, such as in the field of recognition of isolated words (commands), which has very high rates of recognition, currently. However, we are still far from developing a system that could have a performance similar to the human being (automatic continuous speech recognition). One of the great challenges of searches for continuous speech recognition is the large amount of pattern. The modern languages such as English, French, Spanish and Portuguese have approximately 500,000 words or patterns to be identified. The purpose of this study is to use smaller units than the word such as phonemes, syllables and difones units as the basis for the speech recognition, aiming to recognize any words without necessarily using them. The main goal is to reduce the restriction imposed by the excessive amount of patterns. In order to validate this proposal, the system was tested in the isolated word recognition in dependent-case. The phonemes characteristics of the Brazil s Portuguese language were used to developed the hierarchy decision system. These decisions are made through the use of neural networks SVM (Support Vector Machines). The main speech features used were obtained from the Wavelet Packet Transform. The descriptors MFCC (Mel-Frequency Cepstral Coefficient) are also used in this work. It was concluded that the method proposed in this work, showed good results in the steps of recognition of vowels, consonants (syllables) and words when compared with other existing methods in literature

Estimativa da radia����o solar ultravioleta em Botucatu/SP Brasil utilizando t��cnicas de aprendizado de máquina

P��s-gradua����o em Agronomia (Energia na Agricultura) - FCA

Acoustic-oceanographic data fusion for prediction of oceanic acoustic elds

Tese de doutoramento, Engenharia Electr��nica e Telecomunica����es (Processamento de Sinal), Faculdade de Ci��ncias e Tecnologia, Universidade do Algarve, 2014

Classifica����o de padr��es atrav��s de um comit�� de máquinas aprimorado por aprendizagem por refor��o

Reinforcement learning is a machine learning technique that, although finding a large number of applications, maybe is yet to reach its full potential. One of the inadequately tested possibilities is the use of reinforcement learning in combination with other methods for the solution of pattern classification problems. It is well documented in the literature the problems that support vector machine ensembles face in terms of generalization capacity. Algorithms such as Adaboost do not deal appropriately with the imbalances that arise in those situations. Several alternatives have been proposed, with varying degrees of success. This dissertation presents a new approach to building committees of support vector machines. The presented algorithm combines Adaboost algorithm with a layer of reinforcement learning to adjust committee parameters in order to avoid that imbalances on the committee components affect the generalization performance of the final hypothesis. Comparisons were made with ensembles using and not using the reinforcement learning layer, testing benchmark data sets widely known in area of pattern classification

Estimativa de ocorr��ncia de precipita����o em ��reas agr��colas utilizando floresta de caminhos ��timos

As condi����es meteorol��gicas s��o determinantes para a produ����o agr��cola; a precipita����o, em particular, pode ser citada como a mais influente por sua rela����o direta com o balan��o h��drico. Neste sentido, modelos agrometeorol��gicos, os quais se baseiam nas respostas das culturas ��s condi����es meteorol��gicas, v��m sendo cada vez mais utilizados para a estimativa de rendimentos agr��colas. Devido ��s dificuldades de obten����o de dados para abastecer tais modelos, m��todos de estimativa de precipita����o utilizando imagens dos canais espectrais dos sat��lites meteorol��gicos t��m sido empregados para esta finalidade. O presente trabalho tem por objetivo utilizar o classificador de padr��es floresta de caminhos ��timos para correlacionar informa����es dispon��veis no canal espectral infravermelho do sat��lite meteorol��gico GOES-12 com a refletividade obtida pelo radar do IPMET/UNESP localizado no munic��pio de Bauru, visando o desenvolvimento de um modelo para a detec����o de ocorr��ncia de precipita����o. Nos experimentos foram comparados quatro algoritmos de classifica����o: redes neurais artificiais (ANN), k-vizinhos mais pr��ximos (k-NN), máquinas de vetores de suporte (SVM) e floresta de caminhos ��timos (OPF). Este ��ltimo obteve melhor resultado, tanto em efici��ncia quanto em precis��o.

An��lise de t��cnicas de reconhecimento de padr��es para a identifica����o biom��trica de usu��rios em aplica����es WEB Utilizando faces a partir de v��deos

P��s-gradua����o em Ci��ncia da Computa����o - IBILCE

Desenvolvimento de um sistema para navega����o de rob��s m��veis por caminhos em planta����es

The use of mobile robots in the agriculture turns out to be interesting in tasks of cultivation and application of pesticides in minute quantities to reduce environmental pollution. In this paper we present the development of a system to control an autonomous mobile robot navigation through tracks in plantations. Track images are used to control robot direction by preprocessing them to extract image features, and then submitting such characteristic features to a support vector machine to find out the most appropriate route. As the overall goal of the project to which this work is connected is the robot control in real time, the system will be embedded onto a hardware platform. However, in this paper we report the software implementation of a support vector machine, which so far presented around 93% accuracy in predicting the appropriate route.

Multiclassificador inteligente de falhas no dom��nio do tempo em motores de indu����o trif��sicos alimentados por inversores de frequ��ncia

Os motores de indu����o desempenham um importante papel na ind��stria, fato este que destaca a import��ncia do correto diagn��stico e classifica����o de falhas ainda em fase inicial de sua evolu����o, possibilitando aumento na produtividade e, principalmente, eliminando graves danos aos processos e ��s máquinas. Assim, a proposta desta tese consiste em apresentar um multiclassificador inteligente para o diagn��stico de motor sem defeitos, falhas de curto-circuito nos enrolamentos do estator, falhas de rotor e falhas de rolamentos em motores de indu����o trif��sicos acionados por diferentes modelos de inversores de frequ��ncia por meio da an��lise das amplitudes dos sinais de corrente de estator no dom��nio do tempo. Para avaliar a precis��o de classifica����o frente aos diversos n��veis de severidade das falhas, foram comparados os desempenhos de quatro t��cnicas distintas de aprendizado de máquina; a saber: (i) Rede Fuzzy Artmap, (ii) Rede Perceptron Multicamadas, (iii) Máquina de Vetores de Suporte e (iv) k-Vizinhos-Pr��ximos. Resultados experimentais obtidos a partir de 13.574 ensaios experimentais s��o apresentados para validar o estudo considerando uma ampla faixa de frequ��ncias de opera����o, bem como regimes de conjugado de carga em 5 motores diferentes.

Classificador máquina de suporte vetorial com an��lise de Fourier aplicada em dados de EEG e EMG

The classifier support vector machine is used in several problems in various areas of knowledge. Basically the method used in this classier is to end the hyperplane that maximizes the distance between the groups, to increase the generalization of the classifier. In this work, we treated some problems of binary classification of data obtained by electroencephalography (EEG) and electromyography (EMG) using Support Vector Machine with some complementary techniques, such as: Principal Component Analysis to identify the active regions of the brain, the periodogram method which is obtained by Fourier analysis to help discriminate between groups and Simple Moving Average to eliminate some of the existing noise in the data. It was developed two functions in the software R, for the realization of training tasks and classification. Also, it was proposed two weights systems and a summarized measure to help on deciding in classification of groups. The application of these techniques, weights and the summarized measure in the classier, showed quite satisfactory results, where the best results were an average rate of 95.31% to visual stimuli data, 100% of correct classification for epilepsy data and rates of 91.22% and 96.89% to object motion data for two subjects.